长三角城市群金融扭曲测度及时空演变分析

周正柱 戴大鹏

【摘 要】 在推进金融体系现代化建设中，金融市场存在发展不均衡等问题。文章基于长三角城市群2010—2020年城市面板数据，运用时序多维度指标模型与标杆法等测算出城市群金融扭曲水平，并采用空间相关性检验、Dagum基尼系数、Kernel核密度估计方法进一步对城市群区域差异以及时空演变特征进行分析。研究发现：（1）时空特征：长三角城市群整体金融扭曲水平逐年降低，且金融扭曲水平呈现“中心化—辐射化”的特征，存在显著的空间相关性；（2）区域差异：整体呈现“降低—升高”的演变趋势，地区之间的差异是长三角城市群金融扭曲水平区域差异的主要来源；（3）动态演变：城市群金融扭曲水平整体呈下降态势。

【关键词】 长三角城市群； 金融扭曲； 空间相关性； 区域差异； 动态演变

【中图分类号】 F832.0；F830.9；C81  【文献标识码】 A  【文章编号】 1004-5937（2024）11-0087-07

一、引言

当前，我国经济正处于高质量发展阶段，而金融作为经济领域重要组成部分，其健康可持续发展具有重要的意义，正如习近平总书记强调的，“经济是肌体，金融是血脉，两者共生共荣”。党的二十大报告中指出要构建高水平社会主义市场经济体制，充分发挥市场作用。这意味着对金融市场体系高水平建设提出要求。在我国渐进式改革进程中，金融等要素市场中存在扭曲效应，其中非市场干预、产权制度以及企业生存能力等因素造成金融资源错配、金融效率不高、企业信贷歧视、融资约束等现象[ 1 ]；同时由于我国各地区之间金融发展水平存在一定差异，金融市场化进程也出现区域不平衡问题。作为世界六大城市群之一的长三角城市群也不例外。该地区虽为我国金融发展水平高、金融要素充足的地区，但也存在金融扭曲问题。在此背景下，深入分析长三角城市群金融扭曲程度、区域差异以及时空演变特征等问题，有利于系统识别金融扭曲成因、完善金融市场改革、健全金融体系，为政府提供决策参考，从而推动长三角区域一体化以及经济高质量发展。

现有关于金融扭曲的研究主要从以下两个方面展开。一是关于金融扭曲的测量方法。从现有文献看，有以下三类：其一，通过单指标来衡量金融扭曲水平，主要利用四大国有银行的贷款余额占金融机构贷款余额的比重来直接表示地区金融扭曲[ 2 ]，或者测算出非国有部门信贷比重[ 3 ]。其二，从金融垄断、政府干预等多维度出发，对各指标进行加权计算测得综合指数，用其代表金融扭曲程度[ 4 ]。其三，从金融规模、金融结构等多维视角测度金融发展水平综合指数，然后用金融发展水平综合指数的相对差值作为金融扭曲的代理变量[ 5 ]。二是关于金融扭曲对经济社会的影响。Guariglia等[ 6 ]从资本、财政以及生产率出发考察金融扭曲对我国宏观经济的影响，研究表明金融扭曲与我国经济增长负相关。赵秋运和林志帆[ 7 ]、刘斌斌等[ 8 ]对产业结构升级实证研究表明，金融扭曲会加剧产业结构扭曲程度，从而阻碍产业结构升级。李玉山等[ 5 ]运用固定效应模型研究发现金融扭曲对技术创新存在明显的抑制效应。可以发现，现有学者将注意力主要集中在金融扭曲所带来的经济后果以及社会影响。那么，到底什么是金融扭曲？在经济学中，扭曲就是经济活动未能达到帕累托最优。

学术界已对金融扭曲问题展开丰富研究，可以为本文的研究提供思路和借鉴，但对金融扭曲水平的时空特征演变以及区域差异研究较少，需进一步完善。首先，关于金融扭曲的测度研究。单指标测度法难以考察金融扭曲的全貌；多维度测度虽可以全面综合考虑金融市场中各个因素所带来的合力影响，但难以考察指标间的横向影响及动态演变特征；而时序多维度指标模型将时间因素添加到二维综合评价体系中，形成由指标、对象、时间构成的三维空间，克服传统静态多指标模型的局限性，能够更加客观、综合地考察区域金融扭曲的发展状况和演变趋势。其次，从研究方法来看，本文从时间、空间两个维度出发，借助Moran'I指数法分析金融扭曲程度的空间相关性，并在此基础上运用Dagum基尼系数方法进一步揭示长三角城市群金融扭曲程度的区域差异及来源，以全面深入阐释长三角城市群金融扭曲程度的时空分布特点及空间相关性特征；同时，运用Kernel核密度估计方法分析其分布动态演进规律，以期能够更加准确地把握长三角城市群金融扭曲的时空特征，为推动金融市场健康发展提供现实依据。最后，从研究对象来看，现有关于金融扭曲的研究大多集中在省级层面，而有关城市群研究的文献相对较少。

二、金融扭曲：形成机理及影响因素

金融扭曲形成动因与影响因素是什么？现有文献关于金融扭曲的动因研究主要涉及以下方面：一是从机制效应来看，国有企业与政府之间形成代理关系，产生产权冲突等[ 9 ]，这也是我国在改革过程中无法避免的[ 10 ]。二是从间接效应来看，有些效率较高的企业无法获得金融支持，因此金融资源无法最大程度发挥作用。三是从直接效应来看，资源错配、信贷歧视导致金融扭曲的出现[ 11 ]；同时由于金融资源配置并未完全按照市场化的需求，从而无法使金融资源配置达到最优状态[ 12 ]。另外，客觀现实因素也是形成金融扭曲的主要原因，例如经济发展水平、市场开放程度、金融系统运行效率等[ 13-15 ]。

学术界在开展金融扭曲动因研究的同时，也探讨了金融扭曲影响因素。国外学者主要从经济环境、市场摩擦、资源配置等方面来探讨金融资本要素扭曲的影响因素[ 16 ]。随着研究逐渐深入，学者开始从技术、教育以及个体间的差异出发来研究影响金融扭曲的因素[ 17 ]。国内学者结合我国实践，主要从市场化程度、经济结构、资源配置效率等方面来考察金融扭曲的影响因素[ 18-19 ]。总体上看，国内外学者分别从经济环境、产业结构、开放程度等方面展开金融扭曲的影响因素研究，一定程度上揭示了影响金融扭曲的基本逻辑要素。金融扭曲的形成机理及影响因素如图1所示。

三、长三角城市群金融扭曲水平测度

（一）主要研究方法

1.时序多指标模型

本文借鉴刘炳胜等[ 20 ]关于多维度多指标对区域发展水平的测度方法，运用时序多指标模型对长三角城市群27个城市的金融发展水平进行测度。再参考林伯强和杜克锐[ 21 ]的研究，运用标杆法对金融扭曲进行间接测量。

2.莫兰指数

为了判断长三角城市群各城市之间金融扭曲是否存在空间关系，本文采用莫兰指数来探究长三角城市群金融扭曲水平的空间关联性。莫兰指数包括全局莫兰指数和局部莫兰指数。

3.基尼系数及其分解

Dagum基尼系数已广泛应用于测算区域内和区域间差异。因此，本文采用Dagum基尼系数对2010—2020年长三角城市群金融扭曲水平差异进行测度和分解。

4.Kernel核密度估计

为了探究长三角城市群金融扭曲的分布动态演化趋势，本文采用非参数检验方法密度估计法探究长三角城市群金融扭曲空间演变。

（二）评价指标体系

借鉴安勇和王拉娣[ 4 ]、李玉山等[ 5 ]的研究思路，本文拟从金融结构、金融规模、金融环境三个维度构建金融发展水平的综合评价指标体系（如表1所示）。

（三）研究对象与数据来源

以长三角城市群27个城市为研究对象，时间跨度为2010—2020年，各指标数据主要来源于各城市统计年鉴、同花顺数据库及《中国统计年鉴》发布的数据。

（四）测度结果分析

根据表1中所列指标，同时借助时间序列多指标模型对长三角城市群27个城市金融发展水平进行综合测度。首先，为了消除各数据之间单位不同带来的影响，将数据无量纲化；其次，计算各城市不同年份金融发展水平指标的向量；最后，得到加权向量W*j：

W*j=｛0.4896，0.3670，0.2313，

0.4306， 0.3216， 0.1800， 0.2471，

0.3382，0.2657｝

对2010—2020年长三角城市群金融发展水平进行综合评价，再计算得到长三角城市群金融扭曲水平（图2）。

1.时间演变特征分析

从长三角城市群整体看，2010—2020年金融扭曲水平总体上呈“先缓后急再缓”的持续下降趋势，由2010年的0.5661下降至2020年的0.3427，下降幅度约为38.9%。从各省市看，上海金融扭曲水平从2010年的0.303下降到2020年的0.011，下降幅度达到96.6%，下降幅度最大；江苏9城市、浙江9城市、安徽8城市金融扭曲水平下降幅度分别为34%、42.9%和13.4%，其中安徽8城市下降幅度最小。此外，上海金融扭曲水平最低，安徽8城市金融扭曲水平最高，浙江9城市金融扭曲水平下降幅度大于江苏9城市且金融扭曲水平低于江苏9城市。

2.空间演变特征分析

2010年“高度扭曲水平及以上”的有盐城、扬州、常州、无锡、滁州、安庆等10个城市，“中高度扭曲水平”的有南通、湖州、绍兴3个城市，“中度扭曲水平”的有苏州、嘉兴、金华等5个城市，“中低扭曲水平”的有杭州、宁波、南京、合肥等8个城市，“低扭曲水平”的只有上海；到2020年“高度扭曲水平及以上”的有盐城、扬州、宣城等6个城市，“中高度扭曲水平”的有南通、泰州、马鞍山等5个城市，“中度扭曲水平”的有无锡、常州、温州、合肥等8个城市，“中低扭曲水平”的有苏州、宁波、台州等4个城市，“低扭曲水平”的有上海、南京、杭州以及舟山4个城市。由此可见，长三角城市群金融扭曲空间演变呈现“空间中心化”态势，即离中心城市距离越近，其金融扭曲程度越低，且逐渐形成“以点带面”的空间发展格局。

（五）空间相关性分析

为了进一步分析长三角城市群金融扭曲的空间关联性，利用Stata软件对历年全局莫兰指数进行测算，分别列出地理距离（W1）、经济距离（W2）以及经济地理嵌套（W3）空间权重矩阵，结果如表2所示。

由表2可以看出，2011—2020年的莫兰指数在地理距离空间权重矩阵下均通过了至少10%的显著性检验，且考察期内在经济距离空间权重矩阵以及经济与地理嵌套空间权重矩阵下均通过了1%水平的显著性检验，表明长三角城市群的金融扭曲水平存在显著的空间正相关性。在经济距离矩阵以及经济地理嵌套矩阵下，莫兰指数整体呈现上升趋势，空间相关性指数呈波动上升，说明随着长三角区域一体化的发展，金融扭曲的空间集聚特征逐步增强。

此外，为了更加深刻地刻画城市群内部各城市之间的集聚程度以及城市之间的相关性，采用局部莫兰指数对城市之间的相关性进行描述，用Stata软件绘制了2010—2020年的莫兰散点图（图略），根据各城市所在的象限将金融扭曲水平划分为四个集聚区域：高—高型，高—低型，低—高型，低—低型。大部分城市位于第一象限（高—高）。具体而言，2010年高—高型金融扭曲水平的城市是安庆、滁州、池州、宣城、无锡、扬州、镇江、盐城、泰州、苏州、南通、湖州、金华、台州，这些城市存在高金融扭曲的现象，同时起到了正向溢出效应。2020年相较于2010年空间集聚效应未发生较大变化，总体上保持稳定。那么，城市之间为何会出现这种差异？本文进一步分析长三角城市群金融扭曲的区域差异及其动态演变。

四、長三角城市群金融扭曲的区域差异分析

通过上文分析，发现长三角城市群内金融扭曲存在显著差异。本文利用Dagum基尼系数进一步刻画长三角城市群金融扭曲水平的区域差异。

（一）区域整体差异

2010—2020年长三角城市群整体的基尼系数基本处于较低水平，且分布在0.054～0.204之间，表明整体存在非均衡现象。具体而言：2010—2019年区域整体差异呈缓慢上升趋势，2010年基尼系数为0.057，下降到2012年和2013年的0.054，表明在这个阶段不均衡现象得到一定的缓解；此后逐步增加到0.082，表明长三角城市群整体差异不断增加；至2020年出现显著波动，原因可能是突发公共卫生事件的冲击导致地缘边界加强，资源流动受限。

（二）区域内以及区域间差异

长三角城市群内三省一市之间的差异变化存在异质性。具体而言，2010—2020年金融扭曲的区域内差异呈现出上海>浙江9城市>江苏9城市>安徽8城市。从变化趋势来看，上海的金融扭曲水平差异呈现“U”型变化，但整体呈上升趋势；江苏9城市和浙江9城市均表现出缓慢上升趋势；而安徽8城市区域内差异基本保持稳定，年增长率为3%。总体而言，上海金融扭曲水平差异最大，安徽8城市差异最小，具体原因可能是，安徽各地区金融发展水平相对滞后，导致整体的金融扭曲水平相对其他地区较高。

此外，各地区之间的差异也呈现出异质性特征，其中2010—2020年沪—苏、沪—浙、沪—皖、苏—浙、苏—皖以及浙—皖之间的差异主要表现出上升趋势，具体表现为：沪—浙>沪—苏>沪—皖>苏—浙>浙—皖>苏—皖。从变化趋势来看，各区域之间的差异在2010—2019年基本保持稳定，且区域之间差异处于较低水平，2020年区域之间差异增大（原因可能是各地间的关联性下降，导致要素流动受限）。

（三）差异来源及分解

长三角城市群金融扭曲水平地区内差异、地区间差异、超变密度的平均贡献率分别为18.05%、61.79%、20.17%。可以看出地区间差异是构成整个差异的主要因素，这可能是各区域之间经济发展、产业结构等差异引起的。

五、长三角城市群金融扭曲的动态演变分析

本文在分析城市群金融扭曲水平差异的基础上，继续深入分析其2010—2020年金融扭曲水平的变化趋势，利用三维Kernel核密度估计图对长三角城市群金融扭曲水平的绝对差异、变动趋势以及延展性等进行分析和展示，具体结果如图3—图7所示。

图3为长三角城市群整体金融扭曲水平的动态演进。可以看出考察期内，核密度曲线中心呈先左移后右移再左移的“S”型趋势，总体保持稳定；2010—2018年峰值呈波动上升趋势，波峰宽度呈“扩大—收缩—扩大”的趋势，说明城市群内部金融扭曲水平绝对差异逐渐降低，集聚程度提高。此外，从2018年开始出现双峰现象（主峰＋右侧次峰），意味着城市群内金融扭曲水平相对较低的城市增加，并且出现内部差异。总的来说，长三角城市群金融扭曲水平变化较为稳定，呈下降趋势，并且城市群内部差异呈扩大化态势，分化现象凸显。

图4为上海金融扭曲水平的动态演进。可以看出考察期内，2010—2011年核密度曲线中心向左移动，其余年份基本保持稳定，表明上海金融扭曲水平呈下降趋势，但并不明显；2010—2020年峰值呈波动下降趋势，波峰宽度呈“扩大—收缩—扩大”的趋势，说明城市群内部金融扭曲水平绝对差异逐渐降低，集聚程度提高。此外，2010—2020年，上海核密度曲线只存在一个主峰，说明内部差异不明显，并未出现极化现象。

图5为江苏9城市金融扭曲水平的动态演进。可以看出考察期内，2010—2013年核密度曲线中心向左移动，2014—2017年向右移动，2018—2020年再向左移动，但整体呈稳定态势，表明江苏9城市金融扭曲水平整体上基本保持稳定；2010—2020年峰值呈波动下降趋势，波峰宽度呈“扩大—收缩—扩大”的趋势，且2019—2020年出现左侧拖尾现象，说明城市群内部金融扭曲水平绝对差异逐渐降低，集聚程度提高。此外，2010—2020年，核密度曲线由“一个主峰+左侧峰”转变为“一个主峰”，说明2010—2018年区域内部存在差异，到2019年这种极化现象得到缓解。

图6为浙江9城市金融扭曲水平的动态演进。可以看出考察期内，2010—2013年核密度曲线中心向左移动，2014—2016年向右移动，2017—2020年再向左移动，整体呈向左移动的态势，表明浙江9城市金融扭曲水平整体呈下降趋势；2010—2020年峰值呈“下降—上升—下降”的非线性趋势，波峰宽度不断扩大，且2019—2020年出现左侧拖尾现象，说明城市群内部金融扭曲水平绝对差异逐渐降低，集聚程度不断提高。此外，2010—2020年，浙江9城市核密度曲线只存在一个主峰，说明内部差异不明显，无明顯分化现象。

图7为安徽8城市金融扭曲水平的动态演进。可以看出，2010—2018年核密度曲线中心向右移动，2019—2020年向左移动，整体上呈向右移动的趋势，表明安徽8城市金融扭曲水平呈先上升再下降的倒“U”型趋势，整体上金融扭曲水平升高，但增加幅度较小；2010—2020年峰值呈现“上升—下降”的非线性趋势，波峰宽度不断降低，说明城市群内部金融扭曲水平绝对差异呈先上升后下降的趋势，集聚程度不断降低。此外，2010—2020年，大多数年份安徽8城市核密度曲线只存在一个主峰，说明内部差异不明显，无明显分化现象；2015—2018年出现“双峰”现象，表明2015—2018年安徽8城市之间存在显著的分化现象。

六、结论与建议

（一）主要结论

本文以长三角城市群27个城市为研究对象，运用时序多维度指标模型、标杆法对长三角城市群金融扭曲水平进行特征事实阐述，利用莫兰指数、Dagum系数和核密度估计等方法，进一步讨论了长三角城市群金融扭曲水平的时空特征以及分布动态演化特征，得出如下主要结论：第一，从长三角城市群金融扭曲水平的时间演变特征来看，2010—2020年城市群整体金融扭曲水平呈“先缓后急再缓”的下降趋势。第二，空间特征主要表现为，以上海、杭州、南京等中心城市为主的辐射效应，且存在显著空间集聚效应。第三，城市群内部各城市之间的金融扭曲水平存在显著的空间正相关关系。第四，长三角城市群区域内差异呈缓慢上升趋势，且区域间差异主要表现为“沪—浙>沪—苏>沪—皖>苏—浙>浙—皖>苏—皖”。第五，长三角城市群金融扭曲水平变化总体呈下降趋势，并且城市群内部差异呈扩大化态势，分化现象凸显。

（二）主要建议

首先，各地政府应充分发挥长三角一体化发展优势，重视城市间发展不充分、不均衡的问题，加强顶层设计。一是注重城市间协调发展，并在动态发展中寻求更加完善的协调机制，以金融发达城市带动金融欠发达城市的发展，适当增加城市间的金融交流活动，增加空间联动性。二是完善长三角地区一体化协作平台，降低区域之间的壁垒，打通各城市之间金融资源的流动渠道，使要素资源能够流向更加有效率、有需求的企业，提升金融资源配置利用效率，从而降低金融扭曲及其带来的影响。

其次，各地政府应加大发展优势产业，解决区域不平衡问题，推动经济高质量发展。长三角城市群城市之间存在不同的优势产业，应因地制宜实施发展战略，提升城市产业优势，推动长三角城市间形成优势互补、功能完善、集约高效的空间协同高质量一体化发展格局。

最后，各地政府应稳步推进金融市场开放，努力提升国有企业经营能力。在当前经济转型的大背景下，政府应主动发展区域优势产业，加快优势产业形成及金融资本积累，增强国有企业市场化经营能力，逐步深化金融改革，并消除金融扭曲。

【参考文献】

［1］ 林毅夫，孙希芳.银行业结构与经济增长［J］.经济研究，2008（9）：31-45.

［2］ 汪伟，潘孝挺.金融要素扭曲与企业创新活动［J］.统计研究，2015，32（5）：26-31.

［3］ 朱彤，漆鑫，张亮.金融扭曲导致FDI大量流入我国吗：来自我国省级面板数据的证据［J］.南开经济研究，2010（4）：33-47.

［4］ 安勇，王拉娣.金融要素扭曲、地方政府行为与创新效率缺失［J］.数理统计与管理，2022，41（1）：135-147.

［5］ 李玉山，陆远权，王拓.金融扭曲对技术创新的影响研究［J］.科研管理，2021，42（11）：62-70.

［6］ GUARIGLIA A，PONCET S.Could financial distortions be noImpediment to economic growth after all？ Evidence from China［J］.Journal of Comparative Economics，2008，36（4）：633-657.

［7］ 赵秋运，林志帆.“欲速则不达”：金融抑制、产业结构扭曲与“中等收入陷阱”［J］.经济评论，2015（3）：17-30.

［8］ 刘斌斌，许斌，黄小勇.信贷配置扭曲与产业结构升级［J］.统计与决策，2022，38（13）：152-155.

［9］ 鄢萍，吴化斌，徐臻阳.金融抑制、国企改革与财政货币政策协调［J］.经济学（季刊），2021，21（6）：1903-1924.

［10］ 张一林，林毅夫，朱永华.金融体系扭曲、经济转型与渐进式金融改革［J］.经济研究，2021，56（11）：14-29.

［11］ 褚敏，踪家峰.政府干预、金融深化与经济结构转型：基于“新东北现象”的考察［J］.中国软科学，2018（1）：63-76.

［12］ 张杰.金融抑制、融资约束与出口产品质量［J］.金融研究，2015（6）：64-79.

［13］ HUANG Y，GE T.Assessing China's financial reform：changing roles of the repressive financial policies［J］.Cato Journal，2019，39（1）：65-86.

［14］ WU H，XU Z，YAN P.Financial repression，SOE reform and fiscal-monetary policy coordination［J］.China Economic Quarterly International，2022，2（2）：151-163.

［15］ KUNDU S，PAUL A.Effect of economic policy uncertainty on stock market return and volatility under heterogeneous market characteristics［J］.International Review of Economics & Finance，2022，80（C）：597-612.

［16］ ZHANG S，CHEN C，HUANG D H，et al.Measurement of factor price distortion：a new production function method with time-varying elasticity［J］.Technological Forecasting and Social Change， 2022，175：121363.

［17］ REHMAN F U，ISIAM M M.Financial infrastructure—total factor productivity （TFP） nexus within the purview of FDI outflow，trade openness，innovation，human capital and institutional quality：evidence from BRICS economies［J］.Applied Economics，2023，55（7）：783-801.

［18］ LIN B，ZHOU Y.Understanding the institutional logic of urban environmental pollution in China：evidence from fiscal autonomy［J］.Process Safety and Environmental Protection，2022，164：57-66.

［19］ LI X.Local government decision-making competition and regional carbon emissions：experience evidence and emission reduction measures［J］.Sustainable Energy Technologies and Assessments，2022，50：101800.

［20］ 劉炳胜，王然，陈晓红，等.中国建筑产业竞争力形成机理动态演进规律空间差异化研究［J］.管理评论，2017，29（1）：93-104.

［21］ 林伯强，杜克锐.要素市场扭曲对能源效率的影响［J］.经济研究，2013，48（9）：125-136.